Halcon基于相关性的模板匹配
基于相关性的模板匹配其实是另一种基于灰度值的匹配,不过它的特点是使用一种归一化的互相关匹配(Normalized Cross Correlation,NCC)来衡量模板图像和检测图像之间的关系,因此,在光照方面受的影响比较小。与经典的基于灰度值的匹配算法不同的是,它的速度要快很多;与基于形状模板的匹配算法相比,它的优势是对一些形状有细微变化的、纹理复杂的或者是聚焦模糊的检测图像都能检索得到。
其原理是:把模板图像中的所有像素按列顺序组成一个行向量a,即模板的特征向量,然后在检测图像上寻找与模板最匹配的区域万,通过计算两个向量的夹角,来衡量匹配的概率,如公式所示。
由公式可知,该算法主要是基于向量之间的相关性,因此受光线影响较小。图中是基于相关性的模板匹配的一个例子。
图(a)为参考图像,从中选取一块矩形区域作为模板图像,并根据其灰度值创建模板。图(b)为检测图像,该检测图像和模板图像相比有轻微的位移、旋转、缩放,以及失焦。尽管图像处于失焦状态,仍得到了理想的匹配结果。
该方法不但能适应光照变化,对小范围的遮挡和缺失也同样适用,同时还适用于聚焦不清的图像和形状变形,因此在实际工程中应用比较广泛。但是,该方法也有其局限性,如果与参考图像相比,检测图像的位移、旋转或者缩放比较大,可能会导致匹配失败。注意,一般应在检测图像中指定匹配区域,然后在该区域中进行搜索。